在R{spatstat}中，如何计算被不规则多边形窗口限制的点之间的欧几里得距离？

Question

在R{spatstat}中，如何计算被不规则多边形窗口限制的点之间的欧几里得距离？

5

我正在尝试计算两个点之间的欧几里德距离，但这两个点被一个不规则多边形所限制（也就是说，距离必须按照给定窗口的路径计算）。

以下是一个可重现的示例：

library(spatstat)

#Simple example of a polygon and points.
ex.poly <- data.frame(x=c(0,5,5,2.5,0), y=c(0,0,5,2.5,5))
points <- data.frame(x=c(0.5, 2.5, 4.5), y=c(4,1,4))

bound <- owin(poly=data.frame(x=ex.poly$x, y=ex.poly$y))

test.ppp <- ppp(x=points$x, y=points$y, window=bound)

pairdist.ppp(test.ppp)#distance between every point
#The distance result from this function between point 1 and point 3, is given as 4.0

然而，仅从绘制这些点来看，我们就能知道

plot(test.ppp)

如果路径限制在多边形内，则距离应更大（在这种情况下为5.00）。

是否有我不知道的 {spatstat} 中的另一个函数可以做到这一点？或者有没有其他建议可以使用另一个软件包来完成这个问题？

我正在尝试找到水体中两点之间的距离，因此我的实际数据中的不规则多边形更加复杂。

非常感谢任何帮助！

谢谢！

- user3389288

有趣的问题。我建议将 bound 转换为 RasterLayer 对象（可能首先使用 maptools 提供 as(bound, "SpatialPolygons") 和 as(test.ppp, "SpatialPoints")），然后使用 gdistance 包计算点之间的“最小成本距离”，其中 bound 外所有网格点的摩擦或成本设置为无穷大。gdistance 附带了一个很好的文档（运行 vignette("gdistance") 查看），这应该会给你一个良好的开端。 - Josh O'Brien

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Josh O'Brien · Accepted Answer

好的，在昨天的评论中我提到了一种基于gdistance的方法。由于它计算的路径段都受限于棋盘上16个方向之一（国王走法和马走法），所以它不是完美的。尽管如此，对于您示例中的三个配对距离，它的结果与正确值只有2％的误差（总是稍微高估）。

library(maptools)  ## To convert spatstat objects to sp objects
library(gdistance) ## Loads raster and provides cost-surface functions

## Convert *.ppp points to SpatialPoints object
Pts <- as(test.ppp, "SpatialPoints")

## Convert the lake's boundary to a raster, with values of 1 for
## cells within the lake and values of 0 for cells on land
Poly <- as(bound, "SpatialPolygons")           ## 1st to SpatialPolygons-object
R <- raster(extent(Poly), nrow=100,  ncol=100) ## 2nd to RasterLayer ...
RR <- rasterize(Poly, R)                       ## ...
RR[is.na(RR)]<-0                               ## Set cells on land to "0"

## gdistance requires that you 1st prepare a sparse "transition matrix"
## whose values give the "conductance" of movement between pairs of
## adjacent and next-to-adjacent cells (when using directions=16)
tr1 <- transition(RR, transitionFunction=mean, directions=16)
tr1 <- geoCorrection(tr1,type="c")

## Compute a matrix of pairwise distances between points
## (These should be 5.00 and 3.605; all are within 2% of actual value).  
costDistance(tr1, Pts)
##          1        2
## 2 3.650282         
## 3 5.005259 3.650282

## View the selected paths
plot(RR)
plot(Pts, pch=16, col="gold", cex=1.5, add=TRUE)
SL12 <- shortestPath(tr1, Pts[1,], Pts[2,], output="SpatialLines")
SL13 <- shortestPath(tr1, Pts[1,], Pts[3,], output="SpatialLines")
SL23 <- shortestPath(tr1, Pts[2,], Pts[3,], output="SpatialLines")
lapply(list(SL12, SL13, SL23), function(X) plot(X, col="red", add=TRUE, lwd=2))

enter image description here